독자 AI 데이터 지원 2차, 데이터를 ‘보유’하는 것보다 적법한 권원·가공능력이 중요한 이유

AI 학습용 교육데이터를 보유하거나 합법적으로 확보·가공할 수 있는 기업·기관은 2026년 9월 2일까지 독자 AI 파운데이션 모델 공동활용 데이터 지원 2차 공고를 확인할 수 있습니다. 단순히 강의영상이나 문서가 많이 있다는 이유만으로 적합한 것이 아니라 저작권·소유권 등 적법한 활용권원을 확보하고 정제·비식별화·표준화까지 수행할 역량이 중요합니다.

AI 학습데이터 사업에서는 데이터 양보다 ‘이 자료를 학습에 써도 되는가’와 ‘모델이 학습할 형태로 안전하게 가공할 수 있는가’를 증명하는 것이 먼저입니다.

이번 2차 공고가 찾는 데이터

과학기술정보통신부가 2026년 8월 12일 공고한 공동활용 데이터 지원은 독자 AI 파운데이션 모델을 개발하는 수요기관이 함께 활용할 학습데이터를 확보하기 위한 사업입니다. 2차 모집에서는 자격 관련 강의와 과학·기술·공학·수학 등 STEM 강의 데이터가 주요 분야로 제시돼 있습니다.

신청자는 기업이나 기관 단독 또는 공고가 허용하는 컨소시엄 형태로 참여할 수 있습니다. 다만 데이터를 단순 중개하는 것보다 수요기관이 실제 학습에 쓸 수 있도록 품질과 권리를 관리할 역량을 보여줘야 합니다.

적법한 권원이 왜 첫 번째인가

강의영상을 자체 서버에 보관하고 있다고 해서 학습용으로 자유롭게 제공할 수 있는 것은 아닙니다. 강사 저작권, 교재·문제 이미지의 저작권, 출연자의 초상·음성, 개인정보, 플랫폼 이용약관 등 여러 권리가 함께 존재할 수 있습니다. 계약서가 ‘온라인 서비스 제공’만 허용하고 AI 학습이나 제3자 제공을 허용하지 않는다면 추가 동의나 계약정리가 필요할 수 있습니다.

따라서 신청 전 데이터셋별로 출처, 권리자, 허용범위, 이용기간, 제3자 제공 가능 여부를 표로 정리하는 것이 좋습니다.

가공능력은 어떤 작업을 뜻하나

학습데이터는 원본을 그대로 모아 전달하는 것으로 끝나지 않습니다. 영상·음성·문서의 형식을 통일하고 중복이나 오류를 제거하며 필요한 경우 문장분할, 자막 정제, 메타데이터 구축, 개인정보 가명·비식별 처리 등을 수행해야 합니다. 수요기관이 원하는 품질기준이 있다면 샘플데이터로 먼저 검증하는 편이 좋습니다.

특히 자격강의나 STEM 자료는 정답성과 최신성이 중요합니다. 오래된 법령·시험제도나 잘못된 수식이 포함되면 모델 성능에 부정적 영향을 줄 수 있으므로 검수 프로세스를 설명할 필요가 있습니다.

신청부터 제공까지 흐름

공고상 신청기간은 8월 12일부터 9월 2일까지입니다. 과학기술정보통신부와 한국지능정보사회진흥원의 안내는 공동활용 데이터의 적법한 권원, 가공·정제 역량, 자격 및 STEM 강의분야 모집을 핵심으로 제시합니다.

관련 Q&A

유튜브에 공개된 강의영상을 모으면 데이터 제공이 가능한가요?

공개돼 있다는 사실과 AI 학습·재배포 권한이 있다는 것은 다릅니다. 저작권자 허락과 플랫폼 이용조건, 개인정보 문제를 별도로 검토해야 하며 무단 수집한 자료를 사업 데이터로 제공하면 안 됩니다.

데이터는 있지만 가공인력이 부족하면 컨소시엄으로 참여할 수 있나요?

공고에서 허용하는 기관구성 범위 안에서 데이터 권원 보유기관과 가공 전문기관이 역할을 나누는 방식을 검토할 수 있습니다. 다만 권리와 책임, 결과물 소유·제공범위를 협약 전에 명확히 해야 합니다.

AI 데이터 지원의 출발점은 ‘몇 TB인가’가 아니라 ‘법적으로 쓸 수 있고 품질을 설명할 수 있는가’입니다. 권리표와 품질관리표를 먼저 만들면 신청서의 논리가 훨씬 선명해집니다.